ИЛ
Иван Л.
Мужчина, 22 года
Россия, Москва, UTC+3
Ставка
3 468,09 Р/час
вкл. НДС 5% (128.57 Р)
Специалист доступен с 17 октября 2025 г.
Добавьте подходящих специалистов в список и оформите заявку для предварительного бронирования времени специалистов. После оформления заявки ваш персональный менеджер организует прохождение всех необходимых проверок с вами и каждым кандидатом из заявки. Специалист привлекается к проекту только после окончательного подтверждения его выхода с вашей стороны.
Подробнее
О специалисте
Специализация
MLOps
Грейд
Навыки
Отрасли
Знание языков
Русский — B1
Английский — B2
Главное о специалисте
Я ориентируюсь на решение задач, действительно важных для бизнеса, команды и
пользователей, с ясным пониманием приоритетов и ответственности.
Благодаря моему глубокому математическому бэкграунду, я помогаю команде достигать
амбициозных целей и поддерживать высокий стандарт качества.
Особое внимание уделяю быстрой идентификации потенциальных узких мест и ошибок на
ранних этапах проектов, используя подходящие инструменты и методы.
Обладаю обширным опытом в ключевых областях машинного обучения, который
охватывает полный цикл разработки продукта и MLOps практики.
Также мой опыт включает в себя руководство, менторство и организацию рабочих
процессов.
Связаться со мной можно через Telegram: @labooteen
Проекты
(4 года 3 месяца)
OneRouteX
Роль
Lead ML Engineer
Обязанности
Руководил направлением ML в зарубежной компании, проектировал системную архитектуру,
вёл команду, подготавливал документацию и бизнес-требования, а также продумывал
бизнес-логику.
-Спроектировал и реализовал экосистему кастомных мультимодальных сервисов и моделей
(NLP, CV, Audio) с нуля — от архитектуры микросервисов и баз данных до интеграции в
продакшн.
-Разрабатывал RAG-пайплайны и AI-агентов, включая локальные решения и интеграции через
внешние сервисы (LangChain, LangGraph), занимался fine-tuning LLM, проектированием
промптов и сценариев взаимодействия и построением оценочного контура, развертывал и
оптимизировал MCP-сервера.
-Проводил исследования и создавал прототипы по передовым подходам в области AI для
решения продуктовых задач, проверял гипотезы.
-Отвечал за техническое лидерство: менторство инженеров, постановку задач, участие в
планировании спринтов и развитие команды.
-Вёл техническую документацию, создавал демо-прототипы и обеспечивал эффективную
передачу знаний внутри команды.
-Имплементировал и оптимизировал модели под реальные нагрузки.
-Реализовывал CI/CD-пайплайны и мониторинг локальных и внешних моделей, обеспечивая
стабильную работу и масштабируемость решений.
-Разрабатывал и внедрял подходы к безопасности и этичности использования LLM, включая red
teaming, тестирование и аудит соответствия домену.
-Проводил A/B-эксперименты, тестирования, анализировал результаты и улучшал модели и
сервисы на основе данных.
Достижения
С нуля спроектировал и внедрил архитектуру мультимодальных сервисов, включая RAG и AI-агентов.
Создал надёжную инфраструктуру для MLOps с CI/CD, мониторингом и оценочным контуром.
Разработал модели предикта КБЖУ блюда и оценка тела человека по фото.
Рефакторинг / разработка нового функционала: 10/90, Архитектурные / фичевые задачи: 80/20
Стек специалиста на проекте
Trino, TensorRT, OpenCV, langchain, Grafana, registry, Engineering, llama, ClearML, Numpy, SQLAlchemy, Git, Scrum, Pandas, SciPy, ONNX, Linux, Pytest, GitHub, Scikit-learn, Miro, PyTorch, HuggingFace, MLflow, Docker, Python, GitHub Actions, ClickUp, rag, albumentations, langgraph, unsloth, Промпт-инжиниринг, CLIP, vllm, Prometheus, Kubernetes, PostgreSQL
Отрасль проекта
RnD
Период работы
Март 2025 - Октябрь 2025
(8 месяцев)
WILDBERRIES
Роль
Middle ML Engineer
Обязанности
Работал в международной технологической компании — крупнейшем маркетплейсе России с
миллионами пользователей и миллиардным оборотом, в командах рекомендательных систем,
балансировки спроса-предложения и логистики.
-Решал задачи прогнозирования логистических нагрузок, оценки ETA (времени доставки) и
моделирования цен на перевозки.
-Разрабатывал end-to-end ML-пайплайны: от проведения исследований, сбора и требований к
данным до обучения, тестирования, деплоя и мониторинга моделей в продакшне.
-Оптимизировал качество моделей, метрики и бизнес-эффект через тесты и анализ
производительности.
-Работал с большими данными — распределённая обработка в PySpark, Hadoop, настройка
ETL-процессов и оптимизация вычислительных графов.
-Изучал и внедрял передовые подходы из научных статей, включая графовые модели,
Seq2Seq-архитектуры, CV и LLM, проводил экспериментальные исследования и проверку
гипотез.
Достижения
Оптимизировали real-time рекомендаций, что повысило retention на 20% и стабильность системы.
Реализовал гибридную рекомендательную систему с LightFM и deep-ranking моделью, увеличив CTR рекомендаций на 14%.
Рефакторинг / разработка нового функционала: 30/70, Архитектурные/Фичевые задачи:
Стек специалиста на проекте
PostgreSQL, Docker, SQL, Python, Grafana, Kubernetes, Prometheus, Tensorflow, ClickHouse, Hadoop, Pandas, SciPy, Numpy, Scikit-learn, XGBoost, PyTorch, Apache AirFlow, Redis, CatBoost, DVC, ClearML, LightFM, Qdrant, MLflow, PySpark, TensorRT, Streamlit, weaviate, feature, Trino, FAISS, pinecone, Great Expectations, store, annoy
Отрасль проекта
E-commerce & Retail
Период работы
Июнь 2023 - Март 2025
(1 год 10 месяцев)
NTechLab
Роль
интеллектуальной видеоаналитике и системах распознавания лиц, силуэтов и действий в
Обязанности
реальном времени.
-Разрабатывал и адаптировал end-to-end ML-пайплайны — от сбора и очистки видеоданных до
деплоя моделей в продакшн.
-Поддерживал и оптимизировал унаследованные пайплайны от технологического партнёра:
профилировал код, повышал стабильность и снижал время инференса.
-Исследовал и внедрял state-of-the-art архитектуры для CV-задач — CNN, Vision Transformers,
ReID-модели, Action Recognition, Multi-Object Tracking.
-Работал над задачами распознавания лиц и трекинга: улучшал метрики точности и
оптимизировал latency для real-time обработки видео.
-Реализовывал ML-инфраструктуру для экспериментов, проверки гипотез и тестов.
-Участвовал в разработке и документировании R&D-проектов — от экспериментов с новыми
архитектурами до подготовки публикаций и внутренних демо.
-Проводил анализ моделей и ошибок, готовил отчёты и предложения по улучшению
архитектуры.
-Взаимодействовал с инженерами и продуктовой командой, помогал интегрировать модели в
backend-сервисы и разрабатывать API.
Достижения
Разработал экспериментальный пайплайн для детекции и трекинга по нескольким камерам (multi-view tracking).
Рефакторинг / разработка нового функционала: 60/40, Архитектурные/Фичевые задачи: 20/80
Стек специалиста на проекте
Git, Python, Linux, Tensorflow, Pandas, SciPy, Numpy, Scikit-learn, PyTorch, FFmpeg, Detection, RTMP, RTSP, ClearML, MLflow, OpenCV, YOLO, CVAT, GStreamer, Streamlit, deepsort, albumentations
Отрасль проекта
RnD
Период работы
Август 2021 - Июнь 2023
(1 год 11 месяцев)
Формат работы
Тип занятости
Фулл-тайм
Формат работы
Удаленно
Командировки
Не готов
Релокация
Не готов
Готов работать на зарубежных проектах
Нет
Образование
Высшее
Учебное заведение
Новосибирский государственный университет, Новосибирск
Специальность
Механико-математический факультет, Математика. Компьютерные науки
Завершение учебы
2027 г.
